研发网站建设报价,加盟做网站,建设个人博客网站,云南网站开发公司系列文章目录
pytorch学习1-数据加载以及Tensorboard可视化工具pytorch学习2-Transforms主要方法使用pytorch学习3-torchvisin和Dataloader的使用pytorch学习4-简易卷积实现pytorch学习5-最大池化层的使用pytorch学习6-非线性变换#xff08;ReLU和sigmoid#xff09;pytorc…系列文章目录
pytorch学习1-数据加载以及Tensorboard可视化工具pytorch学习2-Transforms主要方法使用pytorch学习3-torchvisin和Dataloader的使用pytorch学习4-简易卷积实现pytorch学习5-最大池化层的使用pytorch学习6-非线性变换ReLU和sigmoidpytorch学习7-序列模型搭建pytorch学习8-损失函数与反向传播pytorch学习9-优化器学习pytorch学习10-网络模型的保存和加载pytorch学习11-完整的模型训练过程 文章目录 系列文章目录一、最大池化层的使用总结 一、最大池化层的使用
#最大池化层,池化层一般在卷积层之后作用是对卷积层中提取的特征进行挑选也就是降维压缩加快nn的运算速度
#最大池化层就是用池化核去做和卷积核一样的覆盖操作然后从所覆盖区域内选择最大值留下然后根据步长在进行移动和选择操作
#池化层并没有任何参数它就是一个选择数据的规则
import torch
import torchvision.datasets
from torch import nn
from torch.nn import MaxPool2d
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriterdatasettorchvision.datasets.CIFAR10(../data,trainFalse,downloadTrue,transformtorchvision.transforms.ToTensor())
dataloaderDataLoader(dataset,batch_size64)class Mynn3(nn.Module):def __init__(self):super(Mynn3,self).__init__()self.maxpool1MaxPool2d(kernel_size3,ceil_modeFalse)#注意这个池化层函数不接受long数据一般要的是浮点数。ceil_modeltrue代表即使数据不够池化核那么大也不舍弃而是根据规则计算如果为false那就直接舍弃这部分数据了def forward(self,input):outputself.maxpool1(input)return output
mynn3Mynn3()writeSummaryWriter(logs_maxpool)
step0
for data in dataloader:imgs,targetdatawrite.add_images(我是输入,imgs,step)outputmynn3(imgs)write.add_images(我是输出,output,step)stepstep1
write.close()总结
以上就是今天要讲的内容最大池化层的使用
